Pertarungan terakhir Altman!
Laporan Yuan Cerdas Baru
Laporan Yuan Cerdas Baru
AGI sudah ada yang mengumumkan telah tercapai.
Pada laporan keuangan Rabu minggu ini, Jensen Huang mengatakan kalimat berikut:
Untuk banyak tugas, kita bisa mengatakan bahwa kita sudah mencapai AGI.
Di hari yang sama, wawancara panjang dengan Altman selama lebih dari dua jam juga dirilis. Tanggal yang ia sebutkan adalah akhir 2026.
Bagi Altman, 4 bulan ini bukan sekedar sprint teknologi. Sebelum IPO tahun depan, ia harus memainkan kartu AGI ini terlebih dahulu.
Jika tidak, ketika ia hendak IPO, sudah ada lawan yang lebih dulu masuk bursa, valuasinya dobel, bahkan sudah untung.
Pertarungan ini, OpenAI tak punya jalan mundur.
Dalam panggilan telepon itu, seseorang bertanya padanya: Bagaimana menurut Anda tentang OpenAI dan perusahaan lain yang ‘mati-matian’ mengejar AGI?
Jawaban Jensen Huang adalah, pertanyaan ini sekarang tidak perlu diperdebatkan lagi. Industri bahkan belum sepakat tentang apa itu "kecerdasan", apalagi metrik untuk mengukur AGI.
Huang sebenarnya memegang sesuatu hal lain.
Arsitektur AVO milik Nvidia, dalam tes khusus untuk menguji apakah agent bisa bekerja mandiri dalam waktu lama, yaitu ARC-AGI-3, mendapatkan nilai sempurna 100%.
Berdasarkan hasil ini, ia mengajukan prediksi yang sangat ambisius:
Dalam waktu dekat, Nvidia mungkin hanya perlu mempertahankan sekitar 40.000 karyawan manusia, namun mereka akan memiliki 400.000 bahkan 4 juta pekerja digital.
Umum tahu, metode ARC-AGI-3 tergolong "tidak manusiawi".
Agent langsung dilempar ke game baru yang tak dikenal sama sekali, tanpa diberi aturan atau target—semuanya harus dicoba sendiri, tebak sendiri. Hanya ada grid 64×64 dan beberapa tombol. Tiap lingkungan minimal 6 level, level pertama bisa selesai dalam 5 langkah, level keenam butuh 50 langkah.
Manusia saja sulit, apalagi model AI.
Kunci di sini: model yang dipakai AVO adalah Claude Opus 5.
Lalu Nvidia membungkusnya, tanpa mengubah satu parameter pun, skornya langsung dari 30.16% jadi 100%.
Yang benar-benar berperan di sini ada dua hal:
Pertama, memori yang tahan lama—ketika konteks penuh, memori tidak direset, agent melanjutkan dari status terakhir, tak perlu mengulangi kesalahan yang sama.
Kedua, ada pengawas. Ia tak ikut bekerja, hanya mengamati jejak pencarian. Begitu mendeteksi agent berjalan di tempat, ia mengarahkan ke strategi lain.
Namun, secara ketat, nilai sempurna ini sebenarnya belum sah.
Tiga jam lebih setelah Nvidia mengumumkan, pencipta ARC-AGI François Chollet menulis di Twitter:
Jika dapat 100% di set data demo publik, itu bukan berarti 100% di benchmark ARC-AGI-3. Mirip seperti kalau kamu menamatkan tutorial sebuah game saja.
Menurut keterangan ARC Prize sendiri, dataset publik memang bukan untuk penilaian. Yang dihitung justru dataset setengah privat dan privat—dua bagian ini skor AVO kosong.
Lebih menarik, ini sudah merupakan nilai sempurna ketiga dalam waktu enam minggu.
Tycho adalah yang pertama dapat nilai 100% pada akhir Juli, lalu VISTA pada 5 Agustus, dan AVO jadi yang ketiga. Meski metodenya berbeda, semua memakai Claude Opus 5.
Pihak yang mengumumkan AGI makin banyak, tapi yang benar-benar bisa membuat AGI, tetap dua pemain itu.
Dan kartu truf ini, belum ada yang sungguh-sungguh menaruh di meja.
Dalam wawancara eksklusif, Altman tampil sangat percaya diri:
Pada akhir tahun ini, sistem yang berani ia sebut sebagai AGI akan muncul di lingkup internal OpenAI.
Kepala Peneliti Mark Chen sedikit lebih konservatif. Menurutnya, OpenAI masih kurang 20% menuju AGI.
Terdengar "arogan", tapi mereka memang punya sesuatu.
Tahun ini OpenAI menetapkan target sangat spesifik: membuat AI intern riset otomatis yang benar-benar bisa bekerja.
AI otomatis itu bernama Astra.
Berikan Astra satu ide eksperimen, ia bisa menulis kode, menjalankan eksperimen, hingga menyerahkan hasil secara mandiri di environment kode OpenAI.
Masukkan satu paper, Astra bisa menuntaskan volume kerja setara seorang peneliti riset top dalam seminggu.
Dalam demo internal baru-baru ini, puluhan eksekutif klien melihat langsung.
Di layar, 16 AI agent memecah problem matematika level riset jadi submasalah.
Mereka mengerjakan tugas masing-masing, saling verifikasi di tengah proses, akhirnya membentuk satu pembuktian lengkap.
Dari tampilannya, mirip sekali tim kerja sesungguhnya yang sedang rapat tertutup.
Demo kedua lebih mengesankan.
Astra membuka software desktop umum, bolak-balik berpindah aplikasi, membuat file, mengedit konten, menjadwalkan tugas—semua super-cepat, tidak seperti manusia mengetik.
Yang melihatnya pun sepakat, Astra benar-benar telah menembus konsep "agent berkesinambungan".
Altman bahkan memprediksi, "Aku kira ini bakal jadi model pertama yang benar-benar menemukan sesuatu yang baru dan penting. Inilah hal yang benar-benar AGI".
Perhatikan frase "menemukan hal baru"—artinya adalah menciptakan pengetahuan yang sama sekali belum diketahui umat manusia.
Baru-baru ini, chip pertama racikan sendiri OpenAI, "Jalapeño", langsung mengalahkan GPU flagship Nvidia.
Tokoh utama di baliknya, tak lain adalah GPT-Astra.
GPT-Astra langsung terlibat, dari desain sirkuit hingga software.
Di hardware, Astra mengoptimasi sirkuit terendah. Di sisi software, menulis dan mengoptimasi kernel inti, sekaligus mengkalibrasi tiga model open source utama.
Hasilnya: performa multiplikasi BF16 melonjak 56%, area unit matriks justru mengecil 10%.
Dua modul inti, "attention mechanism" dan "MoE", kecepatannya 1.5-1.8x lebih cepat dari versi buatan pakar manusia.
Perhatikan, AI di sini benar-benar "mengubah sirkuit" di level fisik.
Yang menarik, Nvidia juga melakukan hal yang sama.
AVO sebenarnya bukan dibuat untuk main game, tapi untuk menulis kode GPU level rendah.
Maret lalu, Nvidia mempublikasikan paper intinya: "Langkah modifikasi kode inti sepenuhnya didelegasikan pada agent mandiri".
Uji coba: agent ini beroperasi mandiri 7 hari tanpa campur tangan manusia, meneliti 500+ arah optimasi, akhirnya menghasilkan 40 kernel yang lolos.
Kode yang dihasilkan, 3.5% lebih cepat dari versi tertutup Nvidia sendiri, dan 10.5% lebih cepat dari implementasi open-source paling mutakhir.
Sekarang, jika kedua fenomena ini digabungkan, pernyataan Altman jadi ada dasarnya.
Setiap iterasi model butuh waktu riset manusia yang sangat banyak. Tapi jika Astra mengambil alih peran itu, kecepatan R&D akan berubah drastis.
Begitu siklusnya berjalan, yang tersisa hanya faktor kecepatan saja.
Sebenarnya GPT-5.6 dan Fable 5 yang kita bisa pakai sekarang, itu produk generasi sebelumnya.
Namun, bocoran menunjukkan generasi berikutnya di kedua kubu sudah rampung.
Spud (Sol): Pra-pelatihan selesai Maret, ini adalah GPT-5.5 & 5.6 yang kita kenal sekarang;
Doug: Selesai April-Mei, di sini dilakukan penguatan dan pelatihan lanjutan, inilah Astra alias GPT-6;
Bel: Pra-pelatihan rampung Agustus, total parameter melebihi 10 triliun, hampir sebesar GPT-4.5 dulu.
Bocoran menyebutkan, OpenAI memposisikan Bel sebagai "model dasar setelah GPT-6", bahkan bisa jadi fondasi model yang benar-benar menyeberangi batas AGI.
Pada 18 Agustus, ada yang menemukan beberapa akun Fable 5 di Claude web telah diam-diam mendapat model baru.
Ini adalah tradisi Anthropic sebelum launching, Fable 5 juga dulu diuji cara seperti ini.
Kode sandi pun terbongkar.
claude-melon-eap, diduga Fable 5.1;
claude-marshmallow-eap, diduga Opus 5.1.
Kedua model baru ini dikabarkan sudah berjalan di lingkup kecil, bisa dirilis ke semua pengguna kapan pun.
Alasannya belum dirilis? Analisis netizen: Siapa yang rilis duluan, dalam hitungan hari akan "dilindas" produk terbaru kompetitornya.
Lebih-lebih lagi, Anthropic diberitakan siap menyalip di awal 2027.
Inilah yang membatasi window perang kali ini.
Sisa 4 bulan di 2026.
Ada lembaga sudah menghitung, Anthropic punya peluang 88% IPO lebih awal dari OpenAI, prediksi tanggal 26 Oktober tahun ini, sedangkan OpenAI kemungkinan besar tanggal 15 Juli tahun depan.
Estimasi market cap di hari pertama IPO: Anthropic $1.82 triliun, OpenAI $1.06 triliun.
CFO OpenAI menyampaikan pada rapat seluruh karyawan Agustus, perusahaan akan IPO pada 2027 atau lebih cepat, selama bisnisnya tetap moncer.
Jadi AGI akhir tahun itu bukan sekedar penanda teknis.
Itu halaman kunci di prospektus IPO.
Jika berhasil, cerita OpenAI berubah dari "kami bakar uang demi model AI" jadi "kami sudah di garis akhir", sehingga valuasi ikut berubah. Jika gagal, pas IPO Juli nanti tetap saja masih "bakar uang".
Kenapa pertarungan ini harus dihadapi? Jawabannya: recursive self-improvement.
Pernyataan Jensen Huang "40.000 orang mengendalikan 4 juta AI Agent", dan OpenAI "AI mulai bantu bikin AI", sebenarnya bicara hal yang sama: Jika AI bisa mengambil alih pembuatan AI berikutnya, kemajuan tak lagi linier.
Itulah kenapa semuanya bertaruh bahwa dalam balapan superintelligence (ASI), siapa pemenangnya akan menguasai segalanya.
Siapa yang pertama benar-benar menyalakan siklus itu, akan membawa semua reward. Pemenang kedua bahkan tak punya hak mengejar.
Di belakang Altman, sudah tak ada tempat bersembunyi.
Penyunting: Moses, Momoko
Disclaimer: Konten pada artikel ini hanya merefleksikan opini penulis dan tidak mewakili platform ini dengan kapasitas apa pun. Artikel ini tidak dimaksudkan sebagai referensi untuk membuat keputusan investasi.
Kamu mungkin juga menyukai
Bank-bank besar Wall Street secara kolektif meningkatkan prediksi kenaikan suku bunga, kontrak berjangka obligasi AS melanjutkan tren penurunan, dan harga emas turun lebih dari 1% menembus level 4000.
Setelah CPI AS bulan Oktober melebihi ekspektasi, Goldman Sachs dan Nomura menambahkan prediksi kenaikan suku bunga pada Maret tahun depan dalam jalur kebijakan mereka, sedangkan Deutsche Bank menambahkan prediksi kenaikan suku bunga pada Januari tahun depan. Saat ini, pasar telah sepenuhnya mengantisipasi kenaikan suku bunga sebesar 25 basis poin pada bulan Desember, dengan kemungkinan kenaikan 50 basis poin sebesar 13%. Pada hari Rabu, pasar obligasi AS tutup, tetapi kontrak berjangka obligasi AS terus turun, menyebabkan imbal hasil naik sekitar 2 hingga 4 basis poin, sementara harga emas spot mengalami tekanan dan turun sebesar 1,1%.
Tidak perlu khawatir tentang pendinginan pembangunan pusat data AI? Gelombang impor di Amerika Serikat sulit mereda dalam jangka pendek, dampak nyata mungkin terjadi pada tahun 2029
Proyek pusat data rata-rata memerlukan waktu 4,8 tahun dari penentuan investasi hingga dimulainya konstruksi, dan membutuhkan tambahan 2,6 tahun dari awal pembangunan hingga beroperasi. Server biasanya baru dapat masuk setelah struktur bangunan dan pemasangan rak selesai. Bagi mitra dagang seperti Taiwan, Korea Selatan, dan Meksiko yang bergantung pada rantai pasokan pusat data Amerika Serikat, inersia permintaan selama masa konstruksi setidaknya memberikan penyangga ekspor untuk satu hingga dua tahun ke depan.
Kontroversi besar Federal Reserve: Kapan masa jabatan "orang ketiga" Williams harus berakhir?
Fokus perdebatan terletak pada apakah Williams seharusnya mengakhiri masa jabatannya pada Juni 2028 (setelah menyelesaikan masa jabatan penuh selama 10 tahun) atau pada Juni 2027 (saat usia pensiunnya mencapai 65 tahun). Analisis menunjukkan bahwa Dewan Gubernur Federal Reserve memiliki wewenang akhir dalam hal ini. Jika Williams mundur lebih awal, Ketua Federal Reserve Powell dapat lebih awal mengatur pengisian posisi penting ini, namun pemangkasan paksa masa jabatan Williams dapat dengan mudah ditafsirkan sebagai manipulasi politik. Williams sendiri diperkirakan akan menjabat hingga Juni 2028.
Morgan Stanley memperingatkan: Harga penyimpanan lama sedang mencapai puncak, pasokan dan permintaan mungkin beralih ke kelonggaran pada tahun 2028
Morgan Stanley menunjukkan bahwa setelah pemilihan tengah Amerika Serikat, diperkirakan sekitar 20% kapasitas tambahan pusat data Amerika Serikat pada tahun 2028 akan ditunda hingga terealisasi pada tahun 2029. Hal ini dapat menyebabkan "kesenjangan" dalam rantai pasokan pada tahun 2028, yang memicu risiko penumpukan persediaan penyimpanan lama. Penyimpanan lama kurang terikat pada perjanjian harga tetap jangka panjang, sehingga penyempitan selisih permintaan dan pasokan akan menghadapi fluktuasi harga yang lebih besar. Analisis di atas hanya berlaku untuk penyimpanan lama, termasuk DDR3/4, SLC/MLC NAND, dan NOR flash.
Harga kripto
Lainnya
